分為各種表征來處理，此階段為加工——篩選掉不重要的資訊 進一步加工重要的資訊——然後存儲起來或者進行下一步的決策輸出。2.大腦的耗能非常少。目前世界上冇有任何一個計算機能比大腦更複雜，但是維持大型計算機的能耗非常高，需要超強的算力，但是維持人腦的運行，卻隻要每天吃飯就行了，所以人腦有很強的節能省源的辦法。3.表征是什麼？表征是資訊在腦中的呈現方式。或者按照老師的理解，表征是大腦在處理資訊的時候的各...-

2024.4.18

嗚嗚嗚，最近整理檔案忽然好心碎，因為這幾年我換了好幾次電腦，好多五年六年前的東西都被我清冇了。那把筆記存個備份在這兒以免哪天清電腦再丟了，反正這兒肯定不會被清理走的。

上週老師跟我說她認為我最大的一個問題就是積累不夠，所以在輸出的時候很多觀點不深刻，隻停留在表層，然後要對專業領域的術語多熟悉熟悉，這樣之後纔好做彙報。她讓我每週最好都讀幾篇文獻，然後畫出架構圖來給她分享，嗚嗚嗚，那就好好讀文獻吧，激勵自己從前人的文獻中打好基礎，最重要的是要搭起一個知識的框架，這樣纔能有自己的體悟，再在這個體悟上去將自己的實驗設計合理化。

知識的架構……

當我真正在腦海中去思考老師說的話的時候，我才發覺老師說得冇錯，因為缺少積累，我現在接收到的知識都是碎片化的，所以如果讓我現在闡述的話，我似乎也隻能闡述一些邊邊角角的知識。

我要把我已經吸納了的東西提煉出來放在這裡，理清思路，以便之後再進行積累使其豐盈起來：

1.如果我們把大腦看作一個計算模型係統的話，那麼整體就會分為三個部分：輸入端-中間加工-輸出端。

在這個係統下，所有輸入都可以看作某種意義上的symbol，比如從本質上來講，語言和數字是同一種東西，因為他們都完成了將感知類的抽象內容、簡化編碼為有意義的符號的過程。

而在大腦接收了它們的輸入後，會將它們拆分為各種表征來處理，此階段為加工——篩選掉不重要的資訊 進一步加工重要的資訊——然後存儲起來或者進行下一步的決策輸出。

2.大腦的耗能非常少。目前世界上冇有任何一個計算機能比大腦更複雜，但是維持大型計算機的能耗非常高，需要超強的算力，但是維持人腦的運行，卻隻要每天吃飯就行了，所以人腦有很強的節能省源的辦法。

3.表征是什麼？表征是資訊在腦中的呈現方式。或者按照老師的理解，表征是大腦在處理資訊的時候的各個小單元，比如當我們看到一張人臉，大腦會把它拆解成眼睛、鼻子、嘴來去加工，或者當我們理解一段資訊，我們會把這段話分成幾個小模塊去理解。

由此我就有了一個問題：【每個人加工表征的方式or程度是一樣的嗎？】即：A、B加工人臉都是把臉拆分為眼睛、鼻子、嘴，還是A拆分成更細緻的睫毛、眼角、鼻尖、鼻翼，而B拆分成模塊更大的的眼睛鼻子嘴？

4.大腦加工表征有不同的維度，我們可以粗略地把它分為兩個維度：高維度和低維度，低的表征維度意味著個體利用少量的共同的特征（feature）來表征不同材料，使得神經表征更加魯棒和可遷移；而高維度的表征則意味著個體利用更多的特征來表征不同材料，使得表征資訊更加豐富和可區分。研究發現人腦中的表征維度低於最大可能維度，但遠高於深度神經網絡模型識彆個體麵孔所需的維度，表現出高維且魯棒的特性。

5.大腦不一定是模塊化分工運行的，不同區域之間的加工或許會有重疊交涉。

而我要研究的部分，就是從輸入→表征→編碼為語義的這個過程內，what-什麼資訊會被加工？how-如何實現？why-為什麼選用這個方式，以及為什麼要選擇這些資訊？

-知識的架構……當我真正在腦海中去思考老師說的話的時候，我才發覺老師說得冇錯，因為缺少積累，我現在接收到的知識都是碎片化的，所以如果讓我現在闡述的話，我似乎也隻能闡述一些邊邊角角的知識。我要把我已經吸納了的東西提煉出來放在這裡，理清思路，以便之後再進行積累使其豐盈起來：1.如果我們把大腦看作一個計算模型係統的話，那麼整體就會分為三個部分：輸入端-中間加工-輸出端。在這個係統下，所有輸入都可以看作某種...